概述

pytrends 库中的 interest_by_region() 函数允许您检索特定搜索词在不同地理位置的兴趣数据。通过分析这些数据，您可以获得不同地区搜索词受欢迎程度的宝贵洞察，从而为营销和内容策略提供参考。

在本教程中，我们将介绍：

  1. 导入必要的库
  2. 设置 pytrends 请求
  3. 检索按地区划分的兴趣数据
  4. 可视化结果

安装

要安装Pytrends，只需使用pip：

pip install matplotlib

检索按地区划分的兴趣数据

首先，我们需要导入必要的库并设置 pytrends 请求。

from pytrends.request import TrendReq
import pandas as pd

# Set up pytrends request
pytrends = TrendReq(hl='en-US', tz=360)

接下来，我们将使用 build_payload() 函数指定搜索词和时间范围，然后使用 interest_by_region() 函数检索按地区划分的兴趣数据。

keywords = ['Python']
timeframe = '2023-01-01 2023-03-31'

# Build payload
pytrends.build_payload(keywords, timeframe=timeframe, geo='')

# Retrieve interest by region data
region_interest = pytrends.interest_by_region(resolution='COUNTRY', inc_low_vol=True, inc_geo_code=False)

这将返回一个DataFrame，其中包含搜索词’Python’在2023年第一季度按地区划分的兴趣数据。

可视化结果

现在，我们可以使用条形图来可视化按地区划分的兴趣数据。

import matplotlib.pyplot as plt

# Sort the data by interest value
region_interest = region_interest.sort_values(by='Python', ascending=False)

# Plot the interest by region data
plt.figure(figsize=(12, 6))
plt.bar(region_interest.index, region_interest['Python'])

plt.xlabel('Country')
plt.ylabel('Interest')
plt.title('Interest by Region for Python (Q1 2023)')
plt.xticks(rotation=90)
plt.show()

此图显示了搜索词’Python’在不同国家/地区的兴趣，让您能够识别该词特别受欢迎的地区。

结论

在本文中，我们演示了如何使用 pytrends 库中的 interest_by_region() 函数分析特定搜索词按地区划分的兴趣。通过探索这些数据，您可以获得不同地理位置搜索词受欢迎程度的有针对性洞察，帮助您更好地理解受众并优化营销策略。本教程涵盖了从设置 pytrends 请求到可视化结果的整个收集和分析按地区划分的兴趣数据的过程。

NOTE : pytrends uses an unofficial API. Please use here for issues.

SAMPLE CODE : https://github.com/hobbyworker/google-trend-for-python